균형 분산 분석에 대한 데이터 고려 사항

유효한 결과를 얻으려면 데이터를 수집하고 분석을 수행하거나 결과를 해석할 때 다음 지침을 따르십시오.

데이터에 범주형 요인만 포함되어야 합니다.

설계에 공변량이 포함되어 있으면 일반 선형 모형 적합을 사용하십시오.

범주형 요인은 교차 및 내포 요인, 고정 및 변량 요인일 수 있습니다.

자세한 내용은 요인 및 요인 수준, 요인, 교차 요인 및 내포 요인의 정의 및 고정 요인과 변량 요인의 차이에서 확인하십시오.

일원 설계가 없으면 설계가 균형 설계여야 합니다.

균형 설계에는 각 처리 조합에 대해 동일한 수의 관측치가 있습니다.

내포 요인의 경우에도 균형적인 데이터가 필요합니다. A에 3개의 수준이 있고 B가 A에 내포된다고 가정합니다. A의 첫 번째 수준 내에 B의 4개 수준이 있으면 A의 두 번째와 세 번째 수준에도 B의 4개 수준이 있어야 합니다. Minitab에서 불균형 내포가 있는지 여부를 알려줍니다. 결측 데이터가 제외된 후에도 데이터는 균형적이어야 합니다.

설계가 균형 설계가 아니면 일반 선형 모형 적합을 사용하십시오.

균형 설계에 대한 자세한 내용은 균형 및 불균형 설계에서 확인하십시오.

내포 요인은 동일한 첨자 집합을 사용해야 합니다.

또한 A의 각 수준 내에서 B의 4개 수준을 나타내기 위해 사용되는 첨자도 같아야 합니다. 따라서 B의 4개 수준은 A의 수준 1에서 (1 2 3 4)가 될 수 없고 A의 수준 2에서 (5 6 7 8)이 될 수 없으며 A의 수준 3에서 (9 10 11 12)가 될 수 없습니다.

반응 변수가 계량형이어야 함

반응 변수가 범주형이면 모형이 분석의 가정을 충족하거나 데이터를 정확히 설명하거나 유용한 예측을 할 가능성이 적습니다.

• 반응 변수에 두 개의 범주가 있으면(예: 통과 및 실패) 이항 로지스틱 모형 적합을 사용하십시오.
• 반응 변수에 자연스러운 순서를 갖는 세 개 이상의 범주가 있으면(예: 적극 반대, 반대, 중립, 찬성, 적극 찬성) 순서형 로지스틱 회귀 분석을 사용하십시오.
• 반응 변수에 자연스러운 순서를 갖지 않는 세 개 이상의 범주가 있으면(예: 긁힘, 패임, 찢어짐) 명목형 로지스틱 회귀 분석을 사용하십시오.
• 반응 변수가 발생 횟수를 카운트하면(예: 결점 수) 포아송 모형 적합을 사용하십시오.

각 관측치가 다른 모든 관측치로부터 독립적이어야 함

관측치가 종속되면 결과가 유효하지 않을 수도 있습니다. 관측치가 독립적인지 여부를 확인하려면 다음과 같은 점을 고려하십시오.

• 한 관측치가 다른 관측치에 대한 정보를 제공하지 않으면 관측치가 독립적입니다.
• 한 관측치가 다른 관측치에 대한 정보를 제공하면 관측치가 종속됩니다.

표본 데이터는 랜덤하게 선택해야 합니다.

랜덤 표본은 모집단에 대한 일반화 또는 추론을 작성하기 위해 사용됩니다. 데이터가 랜덤하게 수집되지 않은 경우에는 결과가 모집단을 나타내지 않을 수 있습니다.

최적의 경험을 사용한 데이터 수집

유효한 결과를 얻으려면 다음 지침을 따르십시오.

• 데이터가 관심 있는 모집단을 나타내는지 확인합니다.
• 필요한 정밀도를 제공하기에 충분한 데이터를 수집합니다.
• 최대한 정확하게 변수를 측정합니다.
• 데이터를 수집된 순서대로 기록합니다.

모형이 데이터를 잘 적합해야 함

모형이 데이터를 적합시키지 않으면 잘못된 결과를 얻을 수 있습니다. 결과에서 잔차 그림 및 모형 요약 통계량을 사용하여 모형이 데이터를 얼마나 잘 적합시키는지 확인하십시오.